前言

当我们在部署多个AI项目时，常常会需要多个python环境，虽然Anaconda能够解决大多数项目所需的不同环境，但是对于环境跨度较大所需CUDA版本不同的项目显然Anaconda就不能很好的解决，这时我们就需要在自己的电脑上同时配置多个版本的CUDA开发环境，就不需要频繁的更换不同环境的电脑，基于此本文将详细介绍如何在win10系统上的电脑安装多个版本CUDA开发环境。

电脑环境确认

1. 查看已安装CUDA环境是否正常
   先确认之前安装的CUDA环境是否正常并记录已安装的版本号，不正常就会导致后面的新添加的CUDA环境不能使用，以免造成不必要的麻烦。我们进入电脑的 “应用和工作” 中查看CUDA是否安装并记录版本号。

2. 查看电脑显卡所支持CUDA的版本
   在桌面鼠标右键打开 “NVIDIA控制面板” ，在控制面板中打开–>帮助–>系统信息，在系统信息中点击组件并查看“NVCUDA64.DLL”的产品信息，上面的信息表示该显卡所支持的CUDA安装的最高版本。

小编的显卡所支持安装的CUDA版本最高是11.4，它是向下兼容的。

3. 整理新CUDA安装位置

• 如果原来安装的CUDA的位置是程序默认的（默认在：C:\ProgramData\NVIDIA GPU Computing Toolkit\v10.0……），同时C盘剩余使用空间比较多（50GB），那我们就不需要整理新CUDA的安装位置，直接使用程序的默认安装位置即可，这样节约时间。
• 如果C盘剩余使用空间不足，或者原来安装的CUDA不在C盘，那我们需要归类整理好新安装CUDA的位置，建议和原来（非C盘）放在一起，并新建版本号文件夹如v10.2等这里以你要安装CUDA版本来命名：

安装新CUDA环境

1. 下载要安装的新CUDA和cuDNN
   下载CUDA和cuDNN时要记得两者版本要匹配，不然安装的时候会出错导致新安装的环境不能用，所以这里附上CUDA和cuDNN的版本匹配图，最新匹配关系请前往官网查看，小编这里用CUDA10.2来演示。

2. 安装CUDA
   请根据下图操作来安装，注意小编安装位置选择的是默认在C盘，如安装在其他盘的请详看电脑环境确认部分的介绍。

校验新安装的CUDA是否匹配该显卡，怕自己下载错误方便提示

只选择安装CUDA就好，如需更新显卡驱动的可以勾选另外两个选项，但是建议不怎么做

选择安装位置，建议放在C盘避免设置新安装位置，C盘剩余可用空间不足除外

到达这个步骤就基本安装CUDA成功

3. 安装cuDNN
   将下载的cuDNN压缩包解压，并把cuda下的“bin”、“include”、“lib”这三个文件拷贝到新CUDA的安装位置上。

cuDNN文件位置

新CUDA的安装位置

4. 添加新CUDA到环境变量
   在系统的快捷搜索栏输入环境变量并进入，之后在环境变量中查看新安装的CUDA是否已经自动添加进环境变量。没有自动添加成功，就人为重新添加新安装CUDA的路径即可。

测试新CUDA环境

1. 重启电脑
   重启电脑方便电脑清除缓存和加载新增加的环境变量，不然通过指令无法查看新CUDA是否安装成功。
2. 指令查看CUDA
   在cmd终端中输入：

nvcc -Vset cuda

显示版本信息，安装成功！

总结

项目开发时需要不同版本的CUDA只需要修改环境变量中的“CUA PATH”的值就好，这样就不用修改代码的使用路径了。下面附上开发中Pytorch和TensorFlow两个不同开发框架对开发环境要求的版本匹配图，让部署开发环境不再是难事：

如有问题可留言或者私信 记得评论点赞哦